Kling 4.0 vs Grok Imagine Video: Najtańszy model zdobywa najwięcej głosów

Model z największą liczbą pomiarów w tym porównaniu nie jest najnowszy, a najnowszego nie zmierzono w ogóle. Grok Imagine Video to rodzina trzech pozycji na tablicy image-to-video Artificial Analysis: oryginał ze stycznia 2026 r. z wynikiem Elo 1 072 i 14 371 głosami, Grok Imagine Video 1.5 z wynikiem 1 098 i 5 267 głosami oraz wariant Lite na tablicy text-to-video. Kling 4.0, wydany 15 października 2026 r., nie ma wiersza na żadnej tablicy, nie ma opublikowanej stawki za sekundę, a jego karta specyfikacji przewyższa wszystkie trzy pozycje Grok pod względem czasu trwania, rozdzielczości i liczby referencji. W tym pojedynku wszystko sprowadza się do różnicy między dowodami a sufitem możliwości.

Taki układ jest na tym rynku bardziej powszechny, niż dopuszcza format rankingu. Model z długą historią głosów to znana wielkość, ale niekoniecznie najlepsza. Model mający osiem dni i 30-sekundowy przebieg to obietnica z demówką. Pytanie brzmi, jaki rodzaj niepewności jest w stanie zaabsorbować twój projekt.

Trzy modele Grok, jeden Kling

Grok Imagine Video nie jest jednym produktem, a numery wersji nie tworzą rankingu tak, jak można by się spodziewać. Czytaj dalej na tablicy image-to-video z włączonym dźwiękiem, zgodnie z zapisem z 10 października 2026 r.:

• Grok Imagine Video original — 13. miejsce w Elo 1072 ±7 na podstawie 14 371 próbek, styczeń 2026, 4,20 USD za minutę.

• Grok Imagine Video 1.5 — 9. miejsce w Elo 1 098 ±8 na podstawie 5 267 próbek, maj 2026, 8,40 USD za minutę.

• Grok Imagine Video 1.5 Lite — 16. miejsce w rankingu text-to-video z wynikiem 993 ±10 na 5715 próbek, wydano 26 sierpnia 2026 r., 8,40 USD za minutę.

• Kling 4.0 — brak wiersza na żadnej tablicy na dzień 23 października 2026 r.

Oryginał jest najtańszy i najlepiej udokumentowany pomiarami. Odświeżenie 1.5 ma o 26 Elo wyższy wynik i kosztuje dwa razy więcej za minutę, przy jednej trzeciej głosów. Wariant Lite znajduje się na zupełnie innej planszy, więc porównywanie go z pozostałą dwójką to już porównywanie różnych zadań. To rodzina rozwijana w rytmie konsumenckiej platformy, a drabinka cenowa to odzwierciedla: możesz kupić tanią, dobrze udokumentowaną bazę, droższe udoskonalenie albo tańszy w przeliczeniu na sekundę poziom Lite, a każdy z nich każe ci iść na kompromis między dowodami a wynikiem.

Kling 4.0 nie oferuje niczego z tego wewnętrznego wyboru. Jest jeden model, jedna nieopublikowana cena i jeden górny limit czasu trwania. Ta prostota jest zaletą, jeśli chcesz najlepsze dostępne ujęcie, a wadą, jeśli potrzebujesz decyzji zakupowej, którą można obronić konkretną liczbą.

Co daje ci liczba głosów

Liczba próbek jest zwykle traktowana jako kwestia czysto techniczna. Na tej tablicy to różnica między twierdzeniem a przypuszczeniem. Przedział ±7 styczniowego checkpointu Groka ma tę samą szerokość co przedział Gemini Omni Flash, za którym stoi 12 327 głosów; 14 371 porównań wystarcza, by tablica mogła z pewną dozą pewności zająć stanowisko. Przedział ±8 modelu Grok 1.5 jest szerszy, ponieważ ma mniej głosów, a nie dlatego, że jest gorszym modelem. Przedział Kling 4.0 jeszcze nie istnieje.

Ma to praktyczną konsekwencję dla każdego, kto wybiera na podstawie jakości. Jeśli wybierzesz Grok Imagine Video original, mniej więcej wiesz, co dostajesz: model ze środka tabeli z solidną bazą dowodów i najniższą stawką w tym porównaniu. Jeśli wybierzesz Kling 4.0, akceptujesz twierdzenia dostawcy dotyczące modelu, którego niezależni oceniający jeszcze nie ocenili. Żaden z tych wyborów nie jest irracjonalny. To różne zakłady.

Sufit specyfikacji

Na papierze Kling 4.0 to zdecydowanie bardziej zaawansowana maszyna.

• Czas trwania — Kling 4.0 generuje od 3 do 30 sekund w jednym przebiegu, a dwuminutowe przedłużenie jest wymienione jako funkcja dostępna wkrótce. Grok Imagine Video 1.5 generuje od 1 do 15 sekund, z autoregresyjnym przedłużaniem od ostatniej klatki; oryginał jest ograniczony do 8,7 sekundy w przypadku edycji i rozszerzania.

• Rozdzielczość — Kling 4.0 oferuje 720p, 1080p i 4K, przy czym 10-bitowy HDR w 1080p i 4K oznaczono jako „wkrótce”. Grok 1.5 natywnie generuje 480p, 720p i 1080p. Oryginał osiąga niższą maksymalną rozdzielczość.

• Materiały referencyjne — Kling 4.0 obsługuje do 15 zasobów obejmujących obrazy, filmy, podmioty i głosy, przy limitach 10 obrazów, 5 filmów, 7 podmiotów i do 3 podmiotów opartych na filmach. Grok 1.5 obsługuje do 14 obrazów referencyjnych, do 3 referencji głosowych oraz do 4 klatek kluczowych w środku filmu plus pierwszą i ostatnią klatkę.

• Klatki kluczowe — Kling 4.0 przyjmuje do 10 obrazów klatek kluczowych. Grok 1.5 przyjmuje pierwszą klatkę, ostatnią klatkę oraz do 4 klatek w środku wideo.

• Audio — oba generują natywne audio z mową zsynchronizowaną z ruchem warg; Kling deklaruje dwukanałowe stereo oraz dziewięć języków i dialektów, a Grok deklaruje wspólne generowanie audio i wideo z maksymalnie 3 wstępnie ustawionymi referencjami głosowymi.

• Prompt — Kling 4.0 obsługuje do 8000 tokenów. Dokumentacja Grok nie podaje porównywalnych limitów promptu.

Te dwa są bliżej siebie pod względem referencji, niż sugerują to liczby z nagłówka: 15 zasobów przeciwko 14 obrazom plus 3 głosy to nie pogrom. Prawdziwa różnica to czas trwania i rozdzielczość. Trzydzieści sekund w 4K przeciwko piętnastu w 1080p to inna klasa materiału końcowego i to jest powód, dla którego Kling 4.0 w ogóle warto rozważać mimo braku dowodów.

Cena: opublikowana drabinka na tle pustki

Ceny Grok Imagine Video są publikowane za sekundę według rozdzielczości. Model 1.5 kosztuje $0.08 za sekundę przy 480p, $0.14 przy 720p i $0.25 przy 1080p, z dźwiękiem w cenie oraz wejściem obrazu po $0.01 za obraz. Wariant Lite kosztuje $0.02 przy 480p, $0.03 przy 720p i $0.14 przy 1080p. Starsza wersja oryginalna kosztuje $0.05 przy 480p i $0.07 przy 720p. Artificial Analysis normalizuje wiersz 1.5 do $8.40 za minutę, a oryginał do $4.20, co jest spójne ze stawkami 720p.

Kling 4.0 nie ma stawki dostawcy za sekundę na dzień 23 października 2026 r. Aplikacja działa na kredytach w ramach planów Kling AI; API jest we wczesnym dostępie. Oferty resellerów podają kwoty za sekundę, ale nie są to ceny Kuaishou i różnią się na tyle szeroko, że użycie którejkolwiek jako pozycji budżetowej byłoby zgadywaniem.

Aby mieć realny punkt odniesienia: poprzednia generacja Kling ma już ustaloną cenę i jest w produkcji. Na OrcaRouter kling/kling-v3 i kling/kling-v3-omni kosztują 0,084 USD za żądanie, kling/kling-3-turbo kosztuje 0,112 USD, a starsze poziomy 2.x mieszczą się w przedziale od 0,042 do 0,28 USD. To ceny za żądanie, a nie stawki za sekundę, więc nie pokrywają się jeden do jednego z cennikiem Groka, ale to liczby, z których kupujący Kling może faktycznie skorzystać już dziś.

Dostęp i obszar edycji

Grok Imagine Video jest dostępny przez API xAI oraz konsumencki produkt Grok. Model 1.5 jest asynchroniczny: wyślij żądanie, odpytuj o identyfikator żądania, pobierz wynik. Rodzina modeli jest dostępna wystarczająco długo, aby jej schemat żądań był udokumentowany, a znane były jej tryby awarii. Model oryginalny obsługuje edycję i rozszerzanie, z limitem 720p i 8,7-sekundowym materiałem źródłowym; model 1.5 koncentruje się na generowaniu i zgodnie z dokumentacją wprost nie obsługuje edycji ani rozszerzania wideo jako udokumentowanych funkcji.

Kling 4.0 jest dostępny globalnie w aplikacji i na stronie internetowej Kling AI, a ogłoszenie o globalnej premierze datowane jest na 16 października 2026 r. API jest w wersji wczesnego dostępu, z wymienionym wsparciem dla MCP i CLI. Jego możliwości edycyjne są dokumentowane jako edycje punktowe mimiki, ruchu ciała, pozycji kamery, stylu i tła w maksymalnie pięciu klipach wejściowych w łącznym oknie 30 sekund — szersze niż udokumentowane wsparcie edycyjne Grok 1.5, węższe niż w przypadku uniwersalnego edytora wideo.

Żaden z tych modeli nie jest dziś trasą OrcaRouter, więc nic tutaj nie twierdzi, że hostujemy którykolwiek z nich. Generacja Kling, którą udostępniamy, to Kling 3.0 — praktyczne rozwiązanie awaryjne, jeśli testujesz Kling 4.0 we wczesnym dostępie. Mówiąc szerzej, powód trzymania bramy przed stosem wideo jest taki, że te modele zawodzą na różne sposoby: jeden ogranicza liczbę żądań, inny przekracza limit czasu przy długim generowaniu, a trzeci zwraca status końcowy, który nie jest sukcesem. Pojedynczy punkt końcowy zgodny z OpenAI z automatycznym przełączaniem awaryjnym i cenami listowymi dostawców przekazywanymi przy 0% marży nie sprawia, że modele są lepsze, ale zapobiega temu, by jeden wadliwy punkt końcowy stał się nieudanym zadaniem wsadowym.

Kto powinien wybrać, które

• Wybierz Grok Imagine Video original, jeśli chcesz najniższą opublikowaną stawkę i najsilniejszą bazę dowodów. Przy 4,20 USD za minutę i 14 371 głosach to najmniej zaskakujący wybór w porównaniu, a jednocześnie wystarczająco tani, by używać go do wersji roboczych.

• Wybierz Grok Imagine Video 1.5, jeśli potrzebujesz natywnego 1080p, 15-sekundowych ujęć, do 14 obrazów referencyjnych i 3 referencji głosowych oraz udokumentowanej ceny za sekundę. To najlepiej wyposażony Grok do kontrolowanego ujęcia postaci.

• Wybierz Kling 4.0, jeśli potrzebujesz pojedynczego przebiegu trwającego 30 sekund, 4K, 10 klatek kluczowych lub materiału w 21:9 i jesteś gotów pilotować niepunktowane, niewycenione API wczesnego dostępu.

• Wybierz Grok, jeśli dział zakupów potrzebuje liczby w tym tygodniu; wybierz Kling, jeśli ujęcie wymaga dłuższego materiału i możesz poczekać na cennik.

Uczciwa konkluzja jest taka, że te dwa modele jeszcze tak naprawdę nie konkurują o ten sam zakup. Grok Imagine Video to dojrzała, wyważona i tania rodzina modeli sprzedawana według publicznego cennika. Kling 4.0 to model o wyższym pułapie, w pierwszym tygodniu ogólnej dostępności, a dowody i ceny dopiero nadejdą. Właściwym krokiem dla większości zespołów jest utrzymanie wyważonego modelu w produkcji i przetestowanie nowego na ujęciach, które rzeczywiście wymagają 30 sekund — a także ponowne spojrzenie na tabelę porównawczą i cennik za miesiąc, gdy w pustej kolumnie może wreszcie pojawi się jakaś liczba.